盲分离模型用于相关噪声的滤波问题

在实际应用中经常需要从观测数据中提取出期望的信号 .现有的基于滤波器模型的算法中估计滤波器系数的Weiner_Hopf方程有唯一解要求信号的相关矩阵是非奇异的 ,并且要得到精确的估计结果需要的滤波器阶数很高导致计算量很大 ,不便于实时处理 .首次将盲分离模型用于线性估计问题的滤波问题 ,算法克服了上述基于滤波器模型的局限性 ,能对信号进行有效的提取 .

基于欠定盲源分离模型的负荷分解方法研究

大规模分布式能源并入电网,其波动性与随机性对网侧的安全稳定带来挑战。而柔性负荷的合理调控可促进需求侧响应,柔性负荷的分解与识别是实现源荷积极互动的前提和关键。传统非侵入式负荷监测需要先验信息,在实际中较难获取。为此,提出一种基于欠定式盲源分离模型的负荷分解方法,利用开源数据集REDD进行实例验证分析。首先,对功率序列进行邻点做差处理,构建负荷功率与时间分布特征,通过聚类识别出独立负荷个数;随后,采用概率归一思想求解欠定混合矩阵,将独立负荷有功功率矩阵的输出转化为几种概率事件;最后,采用盲源分离模型将总功率信号分解为各独立负荷功率的叠加。实例分析结果表明:所提方法具有普适性,分解精度高,可满足实际需求。

高光谱遥感混合像元盲分离模型

针对高光谱遥感影像中"混合像元"问题,在前人研究的基础上,本文提出了结合盲源信号分离技术的混合像元盲分离模型,该模型的核心算法是HFC算法和基于负熵的改进FastICA算法,优点是能够通过非常少的先验知识就可以进行混合像元分解,完成特征提取工作,且收敛速度快,精度较高.采用高光谱模拟数据和加噪数据,分别检验混合像元盲分离模型的有效性和稳定性,实验结果表明:模型受端元提取数目多少的影响以及高斯白噪声的影响较小,对高光谱遥感数据特征提取具有有效性和稳定性.

美国股市对沪深股市的波动溢出渠道研究

利用盲源分离模型和传统金融计量模型相结合的方法分析了美国股市对中国沪深股市的波动溢出渠道。国际金融危机前,美国股市不会通过三个渠道对中国沪深股市具有波动溢出效应;国际金融危机后,心理预期是上证综指波动的主要渠道,而美国对华直接投资的波动是深证成指波动的主要渠道。

基于盲源分离的卫星多径信号提取算法

针对卫星多径信号引入的干扰问题,建立了卫星多径干扰信号盲源分离模型,采用基于降维Householder变换的特征矩阵联合近似对角化(JADE)算法对接收的混合信号四阶累积量进行联合近似对角化,从而提取多径信号。实验结果表明,本算法能很好地分离频谱完全重叠的多径信号和部分重叠的干扰信号;在提取多径信号方面,本算法的性能优于快速独立成分分析(FastICA)算法;在运行时间上,FastICA算法运行1000次的平均时间约为采用Givens旋转的Cardoso高阶累积量特征矩阵联合近似对角化(CG-JADE)算法的6倍,而本算法比CG-JADE算法的平均运行时间少0.0024 s,证明了本算法的有效性和快速性。

基于松弛改进快速独立分量分析的同频混叠信号提取算法

针对快速独立分量分析(FastICA)算法提取多个同频混叠信号时的初值选择敏感性和收敛性能差的问题,提出了一种双松弛因子改进的FastICA(DLM-FastICA)算法。先在牛顿迭代法中引入双松弛因子,通过自适应调节分离矩阵的组合系数得到最优权值分离矩阵,从而改善FastICA算法的初值敏感性;再利用改进的FastICA(MFastICA)算法的快速收敛特性提取信号,提高算法的分离精度和收敛速度。仿真结果表明,该算法使得提取信号与源信号的相似系数达到0.9,同时迭代次数较原算法减少近40%,具有更加快速、稳定的提取性能。